Claude Sonnet 5 vs Qwen3.8-Flash-Next
詳しいプロフィール:Claude Sonnet 5(Anthropic)とQwen3.8-Flash-Next(Alibaba)。すべてのベンチマーク、価格、順位を掲載しています。
更新 · 7件の情報源のデータ
2026年11月16日時点で、Claude Sonnet 5とQwen3.8-Flash-Nextの品質は互角です(BenchLeader Indexで59.0 対 53.9、±8.3の誤差範囲内)。価格はQwen3.8-Flash-Nextの方が17倍安く、100万トークンあたりのブレンド価格で$0.230 対 $4.00です。推論(65 対 43)を重視するならClaude Sonnet 5、エージェント・ツール(64 対 53)、長文コンテキスト(65 対 63)を重視するならQwen3.8-Flash-Nextが向いています。回答開始までの時間はClaude Sonnet 5の方が短く、15.8秒 対 65.5秒です。Claude Sonnet 5は出力が速い点も強みです。
要点(2026年11月16日時点)
- BenchLeader IndexはClaude Sonnet 5が59.0、Qwen3.8-Flash-Nextが53.9です(BenchLeader、2026年11月16日)。
- Claude Sonnet 5の100万トークンあたりのブレンド価格は$4.00です(定価、2026年11月16日)。
- Qwen3.8-Flash-Nextの100万トークンあたりのブレンド価格は$0.230です(定価、2026年11月16日)。
- Claude Sonnet 5はQwen3.8-Flash-Nextより出力が速いです(Artificial Analysis、7日間の中央値、2026年11月16日)。
- 両モデルに結果がある14件のベンチマークのうち、Qwen3.8-Flash-Nextが11件でリードしています(BenchLeader、2026年11月16日)。
- Arena WebDevでの評価はClaude Sonnet 5が1539、Qwen3.8-Flash-Nextが1624です(LMArena、2026年11月16日までの公開値)。
用途別のおすすめ
おすすめ側の数値を先に示しています。カテゴリスコアはBenchLeaderの尺度(50が平均的なモデル、15ポイントが1標準偏差)です。標準偏差の半分以上の差があれば信頼度「高」、1ポイント未満の差は「どちらでも」としています。
| 用途 | おすすめ | 理由 | 信頼度 |
|---|---|---|---|
| コーディング | どちらでも | カテゴリスコア60 対 61;Arena WebDev 1539 対 1624 | どちらでも |
| エージェント・ツール利用 | Qwen3.8-Flash-Next | カテゴリスコア64 対 53;Arena Agent -4.6 対 2 | 高 |
| 推論 | Claude Sonnet 5 | カテゴリスコア65 対 43;CritPt 15.1% 対 11.1% | 高 |
| 長い文書 | Qwen3.8-Flash-Next | カテゴリスコア65 対 63;AA-LCR v1.1 79.7% 対 76.7% | 中 |
| 画像などのメディア | どちらでも | カテゴリスコア61 対 61 | どちらでも |
| チャットの質(人間の評価) | – | Arenaの評価があるのはClaude Sonnet 5のみです(カテゴリスコア65) | 比較不可 |
| 最低コスト | Qwen3.8-Flash-Next | 100万トークンあたりブレンド価格$0.230 対 $4.00;エージェント型コーディングセッション$0.011 対 $0.160 | – |
| 回答開始の速さ | Claude Sonnet 5 | 最初の回答トークンまで15.8秒(Claude Sonnet 5 (high))対 65.5秒(Qwen3.8-Flash-Next) | – |
| 低予算での大量処理 | フラッグシップ以外 | 小型モデルの方が適していることがほとんどです:安くて優秀なLLM、最速のLLM | – |
主な違い
- Claude Sonnet 5 (high)とQwen3.8-Flash-Nextの品質は互角です(59.0 対 53.9、±8.3の誤差範囲内)。
- Claude Sonnet 5 (high)は推論で優れています。
- Qwen3.8-Flash-Nextはエージェント・ツール、コーディング、長文コンテキスト、マルチモーダルで優れています。
- Qwen3.8-Flash-Nextの方が17倍安くなっています(100万トークンあたりブレンド価格$0.230 対 $4.00)。
概要
| 仕様 | Claude Sonnet 5 | Qwen3.8-Flash-Next |
|---|---|---|
| プロバイダー | Anthropic | Alibaba |
| リリース日 | 2026年6月30日 | 2026年8月26日 |
| コンテキストウィンドウ(トークン) | 1,000,000 | 256,000 |
| 比較した構成 | Claude Sonnet 5 (high) | Qwen3.8-Flash-Next |
| オープンウェイト | なし | あり |
| 100万トークンあたりの価格(入力/出力/キャッシュ入力) | $2.00 / $10.00 / $0.200 | $0.150 / $0.470 / – |
カテゴリ別の比較
カテゴリスコアはBenchLeaderの尺度で、50が評価対象モデルの平均、15ポイントが1標準偏差です。1ポイント未満の差は互角としています。
| カテゴリ | Claude Sonnet 5 (high) | Qwen3.8-Flash-Next | トップ |
|---|---|---|---|
| 推論 | 65.4 | 43.0 | Claude Sonnet 5 |
| コーディング | 59.9 | 60.7 | 互角 |
| エージェント・ツール | 52.9 | 64.0 | Qwen3.8-Flash-Next |
| 数学 | 65.3 | – | 比較不可 |
| 知識 | – | 38.1 | 比較不可 |
| 人間の評価 | 64.6 | – | 比較不可 |
| マルチモーダル | 60.9 | 61.0 | 互角 |
| 長文コンテキスト | 62.9 | 64.5 | Qwen3.8-Flash-Next |
1つのグラフで比較
各分野をIndexと同じ尺度(平均的なモデルが50)で示しています。分野をクリックすると、その元になったベンチマークが表示されます。 リストから最大5モデルまで選べます。
描画していないもの(測定済みのモデルが2つ未満):数学, 知識, 指示追従, 人間の評価。
情報源で評価が分かれる点
両方に結果がある14件のベンチマークのうち、Claude Sonnet 5のリードが3件、Qwen3.8-Flash-Nextのリードが11件です。
| 総合Index | Claude Sonnet 5 (high) | Qwen3.8-Flash-Next | トップ |
|---|---|---|---|
| BenchLeader Index | 59.0 | 53.9 | 互角 |
公開元ごとにタスク、評価環境、エフォートの設定が異なるため、総合的な評価が食い違うことがあります。BenchLeaderはそれらを1つの尺度にそろえています。†は同じモデルの別のエフォート設定での測定値です(公開元がここで比較している設定をテストしていないため)。
価格・速度・レイテンシ
定価は、出力1トークンにつき入力3トークンの比率でブレンドしています。タスクあたりの価格は、算出方法のページに記載したトークン数で計算しています。ベンチマークのタスクあたりのコスト、トークン数、時間は実測値で、Artificial AnalysisのIntelligence Index全体の平均です。
| 指標 | Claude Sonnet 5 (high) | Qwen3.8-Flash-Next |
|---|---|---|
| 100万トークンあたりのブレンド価格 | $4.00 | $0.230 |
| 100万トークンあたりの入力/出力 | $2.00 / $10.00 | $0.150 / $0.470 |
| 100万トークンあたりのキャッシュ入力 | $0.200 | – |
| タスクあたりの価格:チャットの返答 | $0.0038 | $0.0002 |
| タスクあたりの価格:30ページのレポートを要約 | $0.030 | $0.0021 |
| タスクあたりの価格:コード編集 | $0.027 | $0.0016 |
| タスクあたりの価格:エージェント型コーディングセッション | $0.160 | $0.011 |
| タスクあたりの価格:構造化データの抽出 | $0.0060 | $0.0004 |
| エージェント型コーディングセッション(入力の大半がキャッシュ) | $0.079 | – |
| ベンチマークのタスクあたりのコスト(AA Index) | – | $0.569 |
| タスクあたりの出力トークン(AA Index) | – | 148k |
| うち推論 | – | 97k |
| タスクあたりの時間(AA Index) | – | 31 min |
| 出力速度 | 99 tok/s | 80 tok/s |
| 回答開始までの時間 | 15.8秒 | 65.5秒 |
| 回答が完了するまでの時間(最終測定2026年11月13日) | 40.7秒 | 202.8秒 |
各モデルは、ランキングで最も高い推論エフォートの設定で比較しています。Claude Sonnet 5 (high)のスコアは59.0、最初の回答トークンまで16秒。Claude Sonnet 5 (max)は56.1(158秒)、Claude Sonnet 5 (xhigh)は55.4(32秒)。Qwen3.8-Flash-Nextのスコアは53.9、最初の回答トークンまで66秒。推論エフォートを上げるほど回答前の思考が長くなり、スコアは上がる一方で待ち時間と課金トークンも増えます。 推論エフォートでスコアとコストはどう変わるか
全ベンチマーク
122件のベンチマークをカテゴリ別に並べています。名前をクリックすると、そのボードと上位モデルを表示します。†は同じモデルの別のエフォート設定での測定値で、参考として表示しており、勝ち数には含めていません。
| 指標 | 公開元 | Claude Sonnet 5 (high) | Qwen3.8-Flash-Next |
|---|---|---|---|
| BenchLeader Index | BenchLeader | 59.0 | 53.9 |
| エージェント・ツールスコア | BenchLeader | 52.9 | 64.0 |
| コーディングスコア | BenchLeader | 59.9 | 60.7 |
| 人間の評価スコア | BenchLeader | 64.6 | – |
| 長文コンテキストスコア | BenchLeader | 62.9 | 64.5 |
| 数学スコア | BenchLeader | 65.3 | – |
| マルチモーダルスコア | BenchLeader | 60.9 | 61.0 |
| 推論スコア | BenchLeader | 65.4 | 43.0 |
| 知識スコア | BenchLeader | – | 38.1 |
| ブレンド価格($/100万トークン) | BenchLeader | $4.00 | $0.230 |
| 出力速度 | BenchLeader | 99 tok/s | 80 tok/s |
| 回答開始までの時間 | BenchLeader | 15.8秒 | 65.5秒 |
| コンテキストウィンドウ | BenchLeader | 1,000,000トークン | 256,000トークン |
| 推論 | |||
| GPQA Diamond | Epoch AI Benchmarking Hub | 80.3%† | – |
| SimpleBench | SimpleBench | 60.6%† | – |
| Arena Hard Prompts | Arena (LMArena) | 1490 | – |
| LiveBench 1.0 Reasoning | LiveBench | 88.7%† | 87.4% |
| GPQA Diamond (AA) | Artificial Analysis | 91.1%† | 92.3% |
| Humanity's Last Exam (AA) | Artificial Analysis | 35.7% | 38.0% |
| HLE-Diamond (AA) | Artificial Analysis | – | 16.3% |
| GPQA Diamond (Vals) | Vals AI | 88.9%† | – |
| CritPt | Artificial Analysis | 15.1% | 11.1% |
| CritPt v2 hard subset (AA) | Artificial Analysis | – | 24.5% |
| Arena Expert | Arena (LMArena) | 1509 | – |
| Chess Puzzles | Epoch AI Benchmarking Hub | 45.0%† | – |
| Mystery Game Puzzles | Epoch AI Benchmarking Hub | 16.0%† | – |
| LMCA | Epoch AI Benchmarking Hub | 50.0% | – |
| DTBench | Epoch AI Benchmarking Hub | 84.5% | – |
| ForecastBench | ForecastBench | 63.1%† | – |
| BTF-3 | Epoch AI Benchmarking Hub | 14.2%† | – |
| コーディング | |||
| SciCode | SciCode | 54.3% | – |
| WeirdML | WeirdML | 68.8% | – |
| FrontierCode | Cognition | 42.7%† | – |
| GSO-Bench | GSO-Bench | 37.3%† | – |
| Arena Coding | Arena (LMArena) | 1520 | – |
| Arena WebDev | Arena (LMArena) | 1539 | 1624 |
| LiveBench 1.0 Coding | LiveBench | 80.7%† | 72.5% |
| SciCode (AA) | Artificial Analysis | 54.3% | 50.6% |
122件のベンチマークをすべて表示
| 指標 | 公開元 | Claude Sonnet 5 (high) | Qwen3.8-Flash-Next |
|---|---|---|---|
| コーディング | |||
| LiveCodeBench | Vals AI | 82.4%† | – |
| IOI | Vals AI | 45.0%† | – |
| SWE-bench (Vals) | Vals AI | 79.6%† | – |
| Code Migration | Vals AI | 44.4%† | – |
| ProgramBench | Vals AI | 0.0%† | – |
| Vibe Code Bench 1-100 | Vals AI | 13.8%† | – |
| Vibe Code Bench v1.1 | Vals AI | 81.3%† | – |
| SWE-Bench Pro V2 | Scale AI SEAL | 93.2%† | – |
| SWE-Bench Pro V2 HARD | Scale AI SEAL | 88.2%† | – |
| MirrorCode | Epoch AI Benchmarking Hub | 63.3%† | – |
| Surface Evolver Bench | Epoch AI Benchmarking Hub | 60.0%† | – |
| DeepSWE v1.1 | Epoch AI Benchmarking Hub | 48.2% | – |
| CursorBench | Cursor | 30.8% | – |
| ALE-Bench | Epoch AI Benchmarking Hub | 1463.1 | – |
| Terminal-Bench 4.0 (AA) | Artificial Analysis | 5.0% | 25.3% |
| Terminal-Bench 2.1 (AA) | Artificial Analysis | 80.5%† | 86.1% |
| Startrise Frontend | Startrise | 66.6%† | – |
| GameBench 2 Overall | DuelLab GameBench 2 | 46.6† | – |
| GameBench 2 by reasoning setting | DuelLab GameBench 2 | 54.4† | – |
| Design Arena Website | Design Arena | 1268† | – |
| FrontierCode 2.0 (AA) | Artificial Analysis | 17.8%† | 27.1% |
| エージェント・ツール | |||
| Terminal-Bench | Terminal-Bench | 12.1%† | – |
| APEX-Agents | Mercor | 54.5%† | – |
| Arena Agent | Arena (LMArena) | 2 | -4.6 |
| LiveBench Agentic Coding | LiveBench | 59.4%† | 61.6% |
| Terminal-Bench 2.1 (Vals) | Vals AI | 74.5%† | – |
| GDPval-AA v2.1, normalised score | Artificial Analysis | – | 56.4% |
| GDPval-AA v2.1 | Artificial Analysis | 1262 | 1637 |
| τ³-Banking (AA) | Artificial Analysis | 37.3%† | 45.4% |
| Analyst Agent (AA) | Artificial Analysis | 46.3%† | – |
| CyberBench | Vals AI | 61.9%† | – |
| Finance Agent v2 | Vals AI | 53.9%† | – |
| Harvey's Legal Agent Benchmark v1 | Vals AI | 5.0%† | – |
| Legal Research Bench | Vals AI | 41.8%† | – |
| SkillsBench | Vals AI | 46.5%† | – |
| SREBench | Vals AI | 0.4%† | – |
| Tax Agent Bench | Vals AI | 29.4%† | – |
| Terminal-Bench 4.0 (Vals) | Vals AI | 10.6%† | – |
| Terminal-Bench Science | Vals AI | 5.7%† | – |
| Arena Search | Arena (LMArena) | 1191† | – |
| Arena Agent Task Completion | Arena (LMArena) | -0.6 | 0.3 |
| GBAEval | Epoch AI Benchmarking Hub | 65.3%† | – |
| Vending-Bench 2 | Andon Labs | 6377.7† | – |
| AutomationBench | Artificial Analysis | 32.1% | 55.9% |
| GDP.pdf (AA) | Artificial Analysis | 9.4% | 15.6% |
| EnterpriseOps-Gym | Artificial Analysis | 44.7%† | – |
| AA-Briefcase v1.1 | Artificial Analysis | 1177 | 1572 |
| Design Arena Agentic | Design Arena | 1222† | – |
| Terminal-Bench-Science 0.1 (AA) | Artificial Analysis | – | 7.1% |
| 数学 | |||
| FrontierMath Tiers 1–3 | Epoch AI Benchmarking Hub | 65.6%† | – |
| FrontierMath Tier 4 | Epoch AI Benchmarking Hub | 29.3%† | – |
| OTIS Mock AIME | Epoch AI Benchmarking Hub | 80.0%† | – |
| ProofBench | Vals AI | 77.0%† | – |
| LiveBench Mathematics | LiveBench | 92.9%† | 85.8% |
| Arena Maths | Arena (LMArena) | 1472 | – |
| 知識 | |||
| SimpleQA Verified | Epoch AI Benchmarking Hub | 33.7%† | – |
| LiveBench 1.0 Data Analysis | LiveBench | 71.7%† | 74.2% |
| AA-Omniscience v1.1 | Artificial Analysis | – | -12.2 |
| MMLU-Pro | Vals AI | 87.5%† | – |
| LegalBench | Vals AI | 83.9%† | – |
| CorpFin | Vals AI | 67.0%† | – |
| TaxEval | Vals AI | 75.6%† | – |
| Excel Modeling Benchmark | Vals AI | 66.3%† | – |
| MedCode | Vals AI | 47.5%† | – |
| MedScribe | Vals AI | 76.0%† | – |
| Public Benefits Bench v1.1 | Vals AI | 66.0%† | – |
| DrugDiscoveryBench | Scale AI SEAL | 50.0%† | – |
| AA-Omniscience v1.1: accuracy | Artificial Analysis | – | 23.5% |
| AA-Omniscience v1.1: non-hallucination | Artificial Analysis | – | 53.2% |
| FACTS Parametric | 20.5%† | – | |
| 指示追従 | |||
| LiveBench Language | LiveBench | 75.0%† | 74.6% |
| LiveBench Instruction Following | LiveBench | 63.9%† | 77.1% |
| Arena Instruction Following | Arena (LMArena) | 1467 | – |
| 人間の評価 | |||
| Arena Text | Arena (LMArena) | 1461 | – |
| EQ-Bench 4 | EQ-Bench | 1221† | – |
| EQ-Bench Creative Writing v3 | EQ-Bench | 1798† | – |
| Arena Creative Writing | Arena (LMArena) | 1434 | – |
| Arena Multi-turn | Arena (LMArena) | 1473 | – |
| Arena Longer Queries | Arena (LMArena) | 1481 | – |
| マルチモーダル | |||
| Arena Vision | Arena (LMArena) | 1272 | – |
| MMMU-Pro | Artificial Analysis | 77.3%† | 78.6% |
| MMMU-Pro (Vals) | Vals AI | 83.0%† | – |
| MortgageTax | Vals AI | 70.0%† | – |
| Humanity's Sixth Sense | Scale AI SEAL | 24.8%† | – |
| GeoBench | GeoBench | 74.0% | – |
| Blueprint-Bench 2 | Epoch AI Benchmarking Hub | 24.9%† | – |
| 長文コンテキスト | |||
| AA-LCR v1.1 | Artificial Analysis | 76.7% | 79.7% |
| Arena Document | Arena (LMArena) | 1469 | – |
| MLCR | Artificial Analysis | 4.4% | 20.6% |
| 総合 | |||
| Epoch Capabilities Index | Epoch AI Benchmarking Hub | 156.9† | – |
| LiveBench 1.0 | LiveBench | 76.0%† | 76.2% |
| AA Intelligence Index v5.0.1 | Artificial Analysis | – | 28.6 |
| AA Intelligence Index v4.3.2 | Artificial Analysis | 31.7 | 39.8 |
| AA Progress Index v1 | Artificial Analysis | 296.8 | 320.2 |
| Vals Multimodal Index | Vals AI | 68.8%† | – |
| 安全性・誠実さ | |||
| DistressBench | Scale AI SEAL | 68.0%† | – |
| メタデータ | |||
| AA Openness Index | Artificial Analysis | – | 38.9 |
データは2026年11月16日時点。各モデルの最良の構成で比較しています。すべてのスコアの出典はモデルのページにリンクしています。
DuelLab GameBench 2, release gb2-20261111-7b598bb13de4 (https://benchmarks.duellab.org/releases/gb2-20261111-7b598bb13de4/), CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Scores mapped to BenchLeader model names; not endorsed by DuelLab.
最近の変化
- Claude Sonnet 5 (high):新しい結果2件(GDPval-AA v2.1, AA-Briefcase v1.1)。
- Claude Sonnet 5 (high):BenchLeader Index 59.5 → 59.0。
- Qwen3.8-Flash-Next:BenchLeader Index 54.7 → 54.0。
- Qwen3.8-Flash-Next:新しい結果3件(AA Intelligence Index v5.0.1, FrontierCode 2.0 (AA), Terminal-Bench-Science 0.1 (AA))。
- Claude Sonnet 5 (high):新しい結果1件(GeoBench)。
- Qwen3.8-Flash-Next:新しい結果1件(CritPt v2 hard subset (AA))、スコアの改訂1件。
- Claude Sonnet 5 (high):スコアの改訂1件。
- Claude Sonnet 5 (high):スコアの改訂1件。
- Qwen3.8-Flash-Next:新しい結果1件(AA-Briefcase v1.1)、スコアの改訂1件。
- Qwen3.8-Flash-Next:BenchLeader Index 58.7 → 54.7。
関連する比較
- Claude Sonnet 5 vs Gemini 4 Carbon
- Claude Sonnet 5 vs Claude Opus 5.5
- Claude Sonnet 5 vs GPT-6 Astra
- Qwen3.8-Flash-Next vs Claude Opus 5.5
- Qwen3.8-Flash-Next vs GPT-6 Astra
- Qwen3.8-Flash-Next vs GPT-6.1 Sol
- Qwen3.8-Flash-Next vs Claude Fable 5
- Claude Sonnet 5 vs GPT-6.1 Sol
ランキング: 総合ベストLLM · エージェントに最適なLLM · 安くて優秀なLLM
Claude Sonnet 5 vs Qwen3.8-Flash-Next:よくある質問
- Claude Sonnet 5はQwen3.8-Flash-Nextより優れていますか?
- Claude Sonnet 5 (high)とQwen3.8-Flash-Nextの品質は互角です(59.0 対 53.9、±8.3の誤差範囲内)。BenchLeader Indexは第三者による品質ベンチマークをすべて統合した指標です。2026年11月16日時点では両者の差は誤差範囲内なので、用途に合わせてカテゴリ別のスコアを確認してください。
- Claude Sonnet 5とQwen3.8-Flash-Nextはどちらが安いですか?今後変わる予定はありますか?
- 現在はQwen3.8-Flash-Nextの方が安く、100万トークンあたり$0.230 対 $4.00です(出力1トークンにつき入力3トークンでブレンド)。どちらも価格変更は発表されていません。
- コーディングにはClaude Sonnet 5とQwen3.8-Flash-Nextのどちらが向いていますか?
- コーディングでは互角です(カテゴリ指標で60 対 61)。共通するコーディングベンチマークのうち最も重要なArena WebDevでは、Claude Sonnet 5が1539、Qwen3.8-Flash-Nextが1624です。
- Claude Sonnet 5とQwen3.8-Flash-Nextはどちらが速いですか?
- Claude Sonnet 5の方が出力が速くなっています(出力99 対 80トークン/秒、Artificial Analysisの7日間の中央値)。
- エージェントやツール利用にはClaude Sonnet 5とQwen3.8-Flash-Nextのどちらが向いていますか?
- エージェント型のタスクではQwen3.8-Flash-Nextの方がスコアが高くなっています(カテゴリ指標で64 対 53。50が平均)。共通するエージェント・ツールベンチマークのうち最も重要なArena Agentでは、Claude Sonnet 5が2、Qwen3.8-Flash-Nextが-4.6です。
ほかの質問(4件)
- 長い文書にはどちらが向いていますか?
- 長文コンテキストのベンチマークではQwen3.8-Flash-Nextの方がスコアが高くなっています(65 対 63)。コンテキストはClaude Sonnet 5の方が長く、1,000,000トークンです(Qwen3.8-Flash-Nextは256,000トークン)。
- レイテンシが低いのはどちらですか?
- 先に回答を始めるのはClaude Sonnet 5です。Artificial Analysisの測定では、最初の回答トークンまで15.8秒 対 65.5秒です。この差の大部分は推論エフォートによるもので、設定が高いほど回答前に長く考えます。
- Claude Sonnet 5とQwen3.8-Flash-Nextについて、第三者ベンチマークの評価は一致していますか?
- 両方に結果がある14件のベンチマークのうち、Claude Sonnet 5のリードが3件、Qwen3.8-Flash-Nextのリードが11件です。
- Qwen3.8-Flash-Nextはいつリリースされましたか?
- Qwen3.8-Flash-Nextは2026年8月26日にリリースされました。